新智元報(bào)道

編輯：艾倫

【新智元導(dǎo)讀】谷歌在 7.5 億月活的 Gemini 中上線了 AI 音樂(lè)生成功能，輸入一句話或一張照片，幾秒就能得到一首帶人聲和歌詞的完整歌曲。背后是 DeepMind 最新的 Lyria 3 模型，訓(xùn)練數(shù)據(jù)超 200 萬(wàn)首曲目。對(duì) Suno 等 AI 音樂(lè)創(chuàng)業(yè)公司而言，競(jìng)爭(zhēng)從此不再只是比模型，更是要比入口。

昨天，谷歌在 Gemini App 中上線了 AI 音樂(lè)生成功能。

用戶輸入一段文字描述，或者上傳一張照片，幾秒鐘內(nèi)就能得到一首 30 秒的完整歌曲，帶人聲、帶歌詞、帶 AI 生成的封面。純器樂(lè)當(dāng)然也是支持的。

驅(qū)動(dòng)這個(gè)功能的是 DeepMind 最新的音樂(lè)生成模型 Lyria 3。

谷歌對(duì)這項(xiàng)功能的定位，不是取代音樂(lè)人，而是讓普通人獲得一種全新的自我表達(dá)方式。

做 AI 音樂(lè)生成的公司不少，但把它直接塞進(jìn)一個(gè)擁有超過(guò) 7.5 億月活用戶的超級(jí)應(yīng)用里，谷歌是頭一個(gè)。

「30 秒」背后的技術(shù)躍遷

從 2023 年發(fā)布初代 Lyria 算起，這已經(jīng)是谷歌在音樂(lè)生成領(lǐng)域的第三代模型。

相比前代，Lyria 3 有幾個(gè)明顯的進(jìn)步。

過(guò)去用戶需要自己寫歌詞輸入模型，現(xiàn)在 Lyria 3 可以根據(jù)提示詞自動(dòng)生成歌詞。

用戶對(duì)風(fēng)格、人聲類型、節(jié)拍速度等元素的控制也更精細(xì)了。

根據(jù) DeepMind 官方推文，Lyria 3 輸出 48kHz 立體聲音頻，人聲表現(xiàn)更自然，歌詞的咬字清晰度也有了明顯提升。

據(jù)數(shù)字音樂(lè)媒體 Digital Music News 報(bào)道，Lyria 3 的訓(xùn)練數(shù)據(jù)規(guī)模從 Lyria 2 的約 50 萬(wàn)首曲目擴(kuò)展到了超過(guò) 200 萬(wàn)首，音頻位深從此前版本升級(jí)到了 24-bit。

這意味著它在音質(zhì)維度上甚至超過(guò)了 YouTube Music 等主流流媒體平臺(tái)的標(biāo)準(zhǔn)。

除了文本生成音樂(lè)，用戶還可以上傳照片或視頻，讓 Gemini 根據(jù)視覺(jué)內(nèi)容的情緒來(lái)作曲配詞。

比如上傳一張徒步的照片，Gemini 就能創(chuàng)作一首與之匹配的歌曲。

封面則由谷歌的圖像生成模型 Nano Banana 自動(dòng)完成。

功能目前以 Beta 形式向全球 18 歲以上用戶開(kāi)放，支持英語(yǔ)、德語(yǔ)、西班牙語(yǔ)、法語(yǔ)、印地語(yǔ)、日語(yǔ)、韓語(yǔ)和葡萄牙語(yǔ)，桌面端已率先上線，移動(dòng)端將在未來(lái)幾天內(nèi)陸續(xù)推送。

谷歌 AI Plus、Pro 和 Ultra 訂閱用戶將享有更高的使用額度。

與此同時(shí)，Lyria 3 也被整合進(jìn)了 YouTube 的 Dream Track 功能，幫助創(chuàng)作者為 Shorts 短視頻生成背景音樂(lè)。這項(xiàng)功能此前僅限美國(guó)地區(qū)，此次正式面向全球創(chuàng)作者開(kāi)放。

版權(quán)這張牌

谷歌打得很小心

AI 音樂(lè)生成領(lǐng)域的版權(quán)糾紛從未停歇。

2024 年夏天，環(huán)球音樂(lè)、索尼音樂(lè)和華納音樂(lè)聯(lián)手對(duì) AI 音樂(lè)初創(chuàng)公司 Suno 和 Udio 提起了總金額達(dá) 5 億美元的版權(quán)侵權(quán)訴訟。

到 2025 年底，Suno 與華納達(dá)成和解并獲得授權(quán)，Udio 也分別與環(huán)球和華納簽署了協(xié)議。

整個(gè)行業(yè)正在從對(duì)抗走向合作，但緊張關(guān)系遠(yuǎn)未消散。

在這個(gè)背景下，谷歌的措辭格外謹(jǐn)慎。

官方公告強(qiáng)調(diào) Lyria 3 的設(shè)計(jì)目標(biāo)是「原創(chuàng)表達(dá)，而非模仿現(xiàn)有藝術(shù)家」。

如果用戶在提示詞中提到某位具體藝術(shù)家的名字，Gemini 只會(huì)將其作為寬泛的創(chuàng)作靈感，生成風(fēng)格或情緒相似的作品，而非模仿該藝術(shù)家的聲音。

谷歌還表示在訓(xùn)練過(guò)程中「非常注意版權(quán)和合作伙伴協(xié)議」，并設(shè)置了過(guò)濾器來(lái)比對(duì)輸出內(nèi)容與已有作品。

在內(nèi)容標(biāo)識(shí)層面，所有通過(guò) Gemini 生成的音樂(lè)都會(huì)嵌入 SynthID 水印。

更值得關(guān)注的是，Gemini 現(xiàn)在還新增了音頻鑒別功能——用戶可以上傳一段音頻文件，詢問(wèn)它是否由谷歌AI 生成，Gemini 會(huì)檢測(cè) SynthID 標(biāo)記并結(jié)合自身推理給出判斷。

這是繼圖片和視頻鑒別之后，SynthID 覆蓋的第三種媒體類型。

當(dāng)音樂(lè)生成變成一場(chǎng)平臺(tái)戰(zhàn)爭(zhēng)

如果說(shuō) Suno 和 Udio 代表了 AI 音樂(lè)的創(chuàng)業(yè)浪潮，谷歌此舉則標(biāo)志著這場(chǎng)競(jìng)賽正式升級(jí)為平臺(tái)級(jí)別的角力。

Suno 在 2024 年 11 月完成了 2.5 億美元融資，其付費(fèi)版本已經(jīng)提供了虛擬音頻工作站等專業(yè)編輯功能。

但 Suno 的月活用戶量級(jí)與 Gemini 的 7.5 億相比，根本不在同一個(gè)數(shù)量級(jí)。

Tom's Guide 的編輯在體驗(yàn)后寫道，她把丈夫的待辦事項(xiàng)清單變成了一首朋克搖滾歌曲，然后通過(guò)短信發(fā)了出去。

這種場(chǎng)景可能正是谷歌想要的：音樂(lè)生成的殺手級(jí)應(yīng)用也許并不在錄音棚里，而是藏在日常生活的每一條消息、每一次分享中。

30 秒的長(zhǎng)度限制、Beta 階段的粗糙感、版權(quán)爭(zhēng)議的暗涌——Lyria 3 顯然還遠(yuǎn)談不上完美。

但谷歌選擇在這個(gè)時(shí)間點(diǎn)把它推向 7.5 億用戶面前，傳遞的信號(hào)已經(jīng)足夠清晰：AI 音樂(lè)生成這件事，它不打算再等了。

當(dāng)每個(gè)人的口袋里都裝著一個(gè)作曲家的時(shí)候，改變的或許不是音樂(lè)本身，而是我們與音樂(lè)之間的關(guān)系。

參考資料：

https://blog.google/innovation-and-ai/products/gemini-app/lyria-3/

https://x.com/GoogleDeepMind/status/2024153067654902014